基于視頻監(jiān)控的人流量統(tǒng)計系統(tǒng)研究.pdf

1、在機器視覺領域，人流量統(tǒng)計成為近來年研究的熱點問題。對公共場所進行人流量統(tǒng)計，可以更加有效的對公共場所進行管理。在人流量統(tǒng)計系統(tǒng)中，行人目標的檢測與跟蹤是其關鍵技術。
　　本文在攝像機固定并且有一定角度拍攝情況下，針對攝像頭采集到的視頻圖像，對行人目標進行檢測、跟蹤、統(tǒng)計計數(shù)。
　　在運動目標檢測方面，研究了常用的運動目標檢測方法，幀間差分法和背景消減法，分析了兩種方法的優(yōu)缺點和適用環(huán)境，并發(fā)展了一種結合對稱差分法和背景差分

2、法的行人目標檢測算法，利用混合高斯建模對背景進行更新。在行人檢測方面，針對不同的場景分析了人頭特征在行人目標檢測中的優(yōu)勢，在人頭檢測方面，選擇了 Haar特征并應用改進的 Adaboost分類器對人頭目標進行檢測。首先對 Haar特征及積分圖像進行了介紹，通過計算可以得到特征值。并且詳細介紹了 Adaboost分類器的訓練方法和檢測方法，并對檢測方法進行了改進，在人頭檢測模塊，提出了基于連通區(qū)域的輪廓提取思想，加載分類器在當前幀的前景輪

3、廓內對人頭進行多尺度檢測，不但可以提高系統(tǒng)的檢測精度，也可以提升人頭的檢測速度。運動目標跟蹤方面，研究了常用的跟蹤方法，分析了幾種方法的優(yōu)缺點，針對行人遮擋問題，發(fā)展了一種基于 Meanshift和 Kalman相結合的行人跟蹤算法，當人群密度較大時，遮擋較嚴重時，本文提出了一種基本多特征匹配的行人跟蹤算法。
　　最后，為了驗證本文算法的有效性和實時性，選取不同的場景和視頻中不同的人數(shù)對該系統(tǒng)進行了測試，實驗結果表明本文的算法抗干